Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Kursplan
p>Introduktion till Open-Source LLM: er
- Översikt över DeepSeek, Mistral, LLaMA och andra öppna källkodsmodeller
- Hur LLM: er fungerar: Transformers, self-attention och träning
- Jämförelse av öppen källkod LLM: ar vs. proprietära modeller
Fine-Tuning och anpassa LLM: ar
- Dataförberedelse för finjustering
- Träning och optimering av LLM: ar med hjälp av Hugging Face
- Utvärdering av modellprestanda och mitigering av partiskhet
Bygga AI Agents med LLM: ar
- Introduktion till LangChain för utveckling av AI-agenter
- Utforma agentbaserade arbetsflöden med LLM: ar
- Memory, retrieval-augmented generation (RAG) och action execution
Distribuera LLM-baserad AI Agents
- Containerisering av AI-agenter med Docker
- Integrera LLM: ar i företagsapplikationer
- Skala AI-agenter med molntjänster och API: er
Säkerhet och efterlevnad inom företag AI
- Etiska överväganden och regelefterlevnad
- Mitigering av risker i AI-drivna automation
- Övervakning och granskning av AI-agenters beteende
Fallstudier och tillämpningar i verkliga livet
- LLM-drivna virtuella assistenter
- AI-drivna dokumentautomation
- Anpassade AI-agenter för företagsanalys
Optimera och underhålla LLM-baserade agenter
- Kontinuerlig modellförbättring och uppdatering
- Distribuera övervaknings- och feedbackloopar
- Strategier för kostnadsoptimering och prestandajustering
Sammanfattning och nästa steg
Krav
- Stark förståelse för AI och maskininlärning
- Erfarenhet av Python programmering
- Familiarity med stora språkmodeller (LLMs) och naturalspråksbehandling (NLP)
Målgrupp
- AI-ingenjörer
- Företagssoftwareutvecklare
- Business ledare
21 timmar
Vittnesmål (1)
Tränare som svarar på frågor på plats.
Adrian
Kurs - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Machine Translated
